若い先生の皆さんへ第2部<220>T(66)_【衝撃の事実】なぜAIを導入しても生産性は上がらないのか？企業と教育を蝕む「4つの構造的失敗」と認知科学の視点

　AIを使えば、本当に私たちの生産性は上がるのでしょうか？こんにちは、トビラAIです。今回は教師のスキルセット「T:Teaching」の第66回目です。今は「授業」という先生にとってはど真ん中のテーマを、いろいろな角度から考えております。前々回は東洋思想から、前回は西洋思想から授業を考えました。今日（午前・午後）は打って変わって「AI」というテーマから「授業」を考えてみたいと思います。前回の記事を未読の方は以下をご覧くださいね。多数決の弊害を書いています。

それでは、よろしくお願いいたします。

この記事を読むとできるようになること

• 企業や教育現場でAI投資が失敗（95%が価値埋没）している「4つの構造的原因」をロジカルに説明できるようになる

• 「とりあえずAI導入」という目的の形骸化（アクティブラーニングと同じ失敗構造）を回避し、正しいBPR（業務再設計）の視点が身につく

• AI依存が人間の「問題解決能力」や「粘り強さ」に与える認知科学的リスクを理解し、教育や現場での適切なAIとの付き合い方を提示できるようになる

• 読了時間の目安は約4分です。　

　AIを導入したのに、なぜ現場の生産性は上がらないのでしょうか？ 最近、生成AI（ChatGPTやGeminiなど）は急速に社会へ浸透しています。しかし、マクロな市場データとミクロな組織論の双方から『巨額の投資にもかかわらず、期待されたほどの業務効率化や財務リターンが得られていない』という衝撃の事実が浮き彫りになっています。 本記事では、企業のAI投資がリターンを生まない根本原因を体系的に解説します。

AI投資の不都合な真実：95%のPoCが失敗する理由とデータ

　マクロな統計データは、現在のエンタープライズAI投資の多くが財務的な実を結んでいないことを示しています。

CEOの半数以上がリターンを実感していない

　Dan Cumberland(2026)によると、 PwCが実施した世界95カ国のCEO調査で、56%のCEOが「AIから未だに有意な財務メリットを得ていない」と報告しています。

実稼働率の圧倒的な低さ

　MITのProject NANDAによる研究「The GenAI Divide」(2025)によれば、企業の生成AIパイロットプロジェクト（実証実験）の約95%は損益への効果が測定できておらず、AIが生み出す真の価値のほぼすべてはわずか5%程度の限られた成功例に集中しています。また、平均的な企業は本番導入前にPoC（概念実証の事で、つまり実装前です）の約46%を廃棄しています。

社会実装の遅れ

　米国国勢調査局（US Census Bureau）の2025年2月時点のデータでは、実際にAIを利用して製品やサービスを生産・提供している企業は、米国企業全体のわずか7%未満にとどまっています。

　話が急に変わりますが、以前東京大学の松尾豊教授（AIの業界では知らない人はいないほどの有名人）のAI経営寄付講座に参加した関西出身のメンバーで、KARG（関西AI研究グループ）という勉強会を立ち上げました。私が飲み会の幹事だったので、その流れでエンジニアでも何でもない「野良」の私がKARGの幹事も務めております。毎月１回勉強会を実施しておりますので、興味のある方はどうぞコメントに書いてください。参加は無料です。
　脱線しましたが、何を申したかったかというと、そのKARGのメンバーの大多数も、やはり自分の職場でAIが生産性を上げているとは言えない、という意見になっていました。松尾研のこのAI経営寄付講座は10回で33,000円でしたので、ここに参加しているメンバーは結構AIに尖った人が多いので、皆さん頭を抱えておられました。

どのような形で人工知能（AI）を使えるのか？？

　生産性が上がらない要因ですが、今「野良」の状態である私は最近の現場を知らないのではっきりとしたことは言えません。しかし8月11日の日経新聞の記事に出ていた、5期目の阿部長野県知事のご発言がすべてを説明している、と私は思っています。

見出しにもなっていますが、該当箇所を引用します。

　別に私は阿部知事を批判するつもりはありません。大多数の人は阿部知事と同じ発想をしておられるのではないでしょうか？

「AIで生産性を上げる」

と。私は教育業界が長いので例が教育に偏って恐縮ですが、かつてのアクティブラーニングと同じ構図です。

とりあえずアクティブラーニング

10年位前「アクティブラーニング」という言葉が文科省から降ってきて、「とりあえずアクティブラーニングをしないといけない」という雰囲気になり、アクティブラーニングの実施がゴール化してしまいました。その結果、形だけのアクティブラーニングが垂れ流されて、その結果何にも成果を生まない。これは私の黒歴史でもあります。そして廃れていってしまいました。いや、正確に言うと「うまく運用できれば成果は上がる」という位置に落ち着いた、というべきでしょうか。
　あくまでもアクティブラーニングはツールです。「（学習目標）を達成したいから今日は講義形式で」「今日はこれをやりたいからジグソー法で」「ポスターセッションで」（ジグソー法もポスターセッションもアクティブラーニングの一手法です）というように、目標に合わせてツールを選択しないといけなかったのです。

　このアクティブラーニングを「AI」に置き換えると、今の現状をそのまま説明できるのではないでしょうか。長野県知事の「どのような形で人工知能（AI）を使えるのか」という問いの立て方は、かつての教育業界の失敗を再現するものに他なりません。この場合、「産業界発展のために、AIも視野に入れて産業界と一緒に考えて示していきたい。」とでも言うべきです。AIじゃない別な解決策を捨ててはならないのです。
　しかしながらAIはもう止まりません。児童生徒はAIしか知らない世代になります。よって、今のAI社会は具体的に何がうまくいってないのか、様々な資料から分析して解説することは意味があると考えます。え？「授業」の話はどこに行ったかって？まあまあ（夜に触れます）。児童生徒のためにもすごく重要な内容なので、丁寧に読んでください。

① BPR（業務プロセス再設計）なき「AIの糊付け（Pilotitis）」の罠

　AIを導入しても処理能力や品質が向上しない最大の構造的要因は、テクノロジーの導入自体が先行し、業務プロセスの根本的な見直し（ビジネスプロセス・リエンジニアリング：BPR）が放置されている点にあるとDan Cumberland(2026)は指摘します。要約します。

ホワイトボードなき調達:

　多くの企業では、AIが組み込まれた将来のワークフローを設計する前に、ライセンス（Microsoft 365 Copilotなど）を契約・調達してしまいます。ええ、私もしました。最初AIを学んだ時に、「めっちゃ便利やん」と興奮してChatGPTやGemini、Genspark、Gamma、Claudeに課金してしまいました。改めて考えてみると、大きなことを企まない限り、Geminiで大概のことは足りますよね。今はGeminiとGensparkとcanvaだけ、課金しています。

「糊付け」による部分最適化

　その結果、導入から数ヶ月間は利用率が一時的に活発に見えても、半年も経てば「以前と全く同じやり方の古い業務プロセスの各ステップに、AIアシストが単に糊付けされただけの状態」に逆戻りします。これでは、全体としての処理速度向上も品質の向上も発生しません。

AIパイロット病（pilotitis）

　多くの企業が実用的な全体最適化（BPR）に踏み出せず、局所的なPoCや実験を繰り返してはダラダラと足踏みする「AI pilotitis（パイロット病）」に陥っています。個人の作業スピードが上がったとしても、それを囲む組織が変わらなければ、持続的な企業価値や競争優位には繋がらないのです。

② 「個人活用」と「組織改革」の乖離：浮いた時間が成果に繋がらない原因

　McKinseyなどのグローバル調査によると、AIの個人利用への適応力と、組織がそれを受け入れて変革を果たす能力の間には深刻なギャップ（レディネス・ギャップ）が存在します。

浮いた時間が企業価値に変換されない

　多くの企業は「従業員がAIツールを自発的に利用して作業を効率化すること（個人レベルのスケール）」を追い求めています。しかし、従業員がメールのドラフトや議事録要約を高速化させて個人的な効率を上げたとしても、その「浮いた時間（キャパシティ）」が組織の戦略的な優先事項や、より難易度の高い高価値なタスクへと適切に再配分されていません。

組織構造の再設計が2倍重要である

　実証研究によれば、AIからビジネス価値を引き出すためには、従業員の「個人としてのツール活用能力」よりも、「ワークフロー、意思決定モデル、組織文化、およびガバナンスをAI前提に変革していく組織的な準備」のほうが約2倍重要であるとされています。
　産業革命時に人間は同じことをしています。かつて工場に電化（電気モーター）が導入された初期に、工場のレイアウトやアセンブリライン、管理体制を「蒸気機関時代」のまま放置した結果、生産性が全く向上しなかったんです。それと同じ。

③ ナレッジ・デケイ（知識の劣化）：ファクトチェックのコストがAIの効果を相殺する

　オックスフォード大学のMatthias Holweg(2026)らによると、生成AI（LLM）の出力する不確実な情報に依存しすぎることは、長期的には組織本来の「暗黙知」や「判断力」を静かに摩耗させ、結果として二重の事後コストを発生させます。

検証（Verification）が大変

　生成AIは確率的に「もっともらしい言葉」を予測する統計モデルであり、事実や真実を理解していません。AIが出力した「ワーク・スロップ（質の低い生成物）」に依存し始めると、不正確な情報やハルシネーション（誤回答）を人間が一次ソースに立ち返ってファクトチェックし、誤りを「切り離す（検証する）」ために多大な追加時間と批判的思考が必要になります。この検証にかかる多大な労力は、多くの場合、AI導入によって得られた初期のスピード向上（時間短縮）の効果を完全に相殺・無効化してしまいます。

妥当性確認（Validation）の証明負担

　お客様や組織に対して「これが本当に人間の専門的な洞察や自律的な思考によって生み出された本物の価値である」ということを正当化・証明（妥当性を確認）しなければならない負担が、人間に重くのしかかるようになります。

ナレッジの伝言ゲーム

　AIから得た出力をさらにAIに繰り返し処理させることで、元の「真実のデータ」や固有の文脈からどんどん劣化・乖離していく「AIベースの伝言ゲーム」が組織内でスケールし、プロセスの信頼性そのものを崩壊させるリスク（ナレッジ・デケイ）が高まります。

④ 脳の「粘り強さ」の喪失：わずか10分で人間の問題解決能力は劣化する

　AIアシスタントの安易な利用が、人間の「問題解決に対する学習能力とモチベーション」を物理的に劣化させている強力な因果関係の証拠を提示しています。

わずか10分で起きる「粘り強さ」の喪失

　カーネギーメロン大学やオックスフォード大学、MIT、UCLAの研究者らによるランダム化比較試験（RCT）によると、算術や読解力タスクにおいて、AIアシスタントをわずか10〜15分利用させただけで、人間は困難に直面した際に自律的に解決しようとする粘り強さが著しく低下し、課題を途中で諦める「スキップ率（skip rate）」が急増することが確認されました。

• 「松葉杖（crutch）」としての悪循環:

  • AIを単に「ヒントや理解の補助」として使った群はパフォーマンスを維持または向上させたのに対し、AIから「直接的なソリューション（答え）」を得るためにAIを松葉杖として活用したユーザー（利用者の約61%に達する）は、AIを取り除いた瞬間にパフォーマンスが劇的に低下し、自分自身のプレテスト（AI使用前）の成績と比べても著しく退化しました。

  • これは、AIがすべてのタスクを数秒で解決してくれるため、人間側の時間感覚の基準が狂い、「自らの頭で汗をかいて課題に取り組むこと」が脳にとって主観的により苦痛で骨の折れる作業に感じられてしまうためです。

  • 結果として、脳の自然な強化・強化学習メカニズム（予測エラーを通じて学習する神経的な経路）がバイパスされ、人間の認知の自律性と一から問題解決するスキルそのものが実質的に破壊されてしまいます。

ほかにもありますが、あまり「授業」につながらないので、今回は割愛します。
　AIは道具だ、あくまでも判断は人間がする、と大人は言っておきながら（私もそうですが）、AI導入が目的化してしまっているために、現実の業務と折り合わない状態が続いている。また、思考のかなりの部分がAIに持っていかれ、同時に人間の粘り強さも失われている、ということが明らかになってきました。

　このような時代に飛び込んでいく児童生徒のために、私たちは「授業」で何ができるか、それを夜に考究してみます。お楽しみに。
　最後に今日の内容を確認する問題を２問。

今回のQUIZ

いかがでしょうか？解答はすぐ下に出します。

QUIZの解答

(1) D  (2) D

ここまでお読みいただき、ありがとうございました！ AIという巨大な波の中で、教育や組織がどのように「思考の質」を守り、育てるべきか。もし今回の分析や問いかけに少しでも気づきや共感がありましたら、ぜひ下の「スキ（♡）」を押していただけると大変励みになります。

また、X（旧Twitter）やnoteでのシェア・引用リポストも大歓迎です！「自分の職場ではどうか」「教育現場でのAI活用はどうあるべきか」など、みなさんのご意見をコメントやSNSで教えていただけると嬉しいです。

夜の配信では、この議論をいよいよ本丸である「学校の『授業』で私たちは何ができるのか？」へと深掘りしていきます。見逃さないよう、ぜひアカウントのフォローをして楽しみにお待ちください！

感謝一入
Warm Regards,
トビラAI拝

参考文献

• 日本経済新聞電子版2026年8月11日記事

• Grace Liu et al.(2026)"AI Assistance Reduces Persistence and Hurts Independent Performance"https://ai-project-website.github.io/AI-assistance-reduces-persistence/

• Aditya Challapally et al.(2025)"The GenAI Divide STATE OF AI IN BUSINESS 2025"MIT NANDA

• Dan Cumberland Labs et al.(2026)"15 Mistakes Mid-Market Firms Make Going from AI Curiosity to AI Maturity"

• Aaron De Smet et al.(2026)": From Adoption to Impact: Three Horizons of AI Transformation",McKinsey & Company Insights (14-page Article)https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/from-adoption-to-impact-three-horizons-of-ai-transformation

• Matthias Holweg et al(2026)"Don't Let AI Slop Muck Up Your Company's Processes",Harvard Business Review

• US Census Bureau(2025)"Business Trends and Outlook Survey (BTOS)"

トビラAIプロフィール

※　本稿では画像生成と文章の推敲に生成AIを使用しています。